CFBD MCP Server

Co dělá “CFBD” MCP Server?

CFBD MCP (Model Context Protocol) Server je nástroj, který propojuje AI asistenty a aplikace s College Football Data API a umožňuje pokročilý přístup ke statistikám a analytice univerzitního fotbalu. Jako most mezi AI modely a tímto bohatým zdrojem dat umožňuje CFBD MCP dotazovat výsledky zápasů, týmové statistiky, hráčské statistiky, data play-by-play, žebříčky, pravděpodobnost výhry a mnohem více. Tato schopnost vylepšuje vývojové procesy v oblasti sportovní analytiky, tvorby obsahu i výzkumu tím, že AI agentům umožňuje programově nebo v přirozeném jazyce získávat a analyzovat reálná i historická data univerzitního fotbalu. Server je navržen pro bezproblémovou integraci s platformami jako Claude Desktop a umožňuje AI-driven poznatky a automatizaci nad daty universalního fotbalu.

Seznam promptů

V dostupné dokumentaci ani kódu nejsou uvedeny žádné konkrétní šablony promptů. Pokud server poskytuje standardizované šablony promptů nebo workflow, nejsou v repozitáři zdokumentovány.

Seznam zdrojů

V dokumentaci ani kódu nejsou popsány žádné explicitní zdroje. Server poskytuje přístup ke statistikám univerzitního fotbalu přes CFBD API, ale jednotlivé MCP resource primitives nejsou detailně popsány.

Seznam nástrojů

V dostupné dokumentaci ani struktuře kódu není uveden explicitní seznam nástrojů. Repozitář uvádí, že server umožňuje „CFBD API dotazy“, což pravděpodobně odpovídá nástrojům pro získávání statistik, dat ze zápasů, hráčských statistik apod., ale nejsou vyjmenovány.

Příklady využití tohoto MCP serveru

• Analytika univerzitního fotbalu
  Vývojáři a analytici mohou využít MCP server k dotazování komplexních statistik, analýze výkonu týmů a hráčů a spouštění vlastních dotazů pro výzkum či tvorbu obsahu.
• Výsledky zápasů a detekce překvapení
  Generujte poznatky nebo reporty o historických překvapeních, žebříčcích či výsledcích zápasů díky detailním datům play-by-play a pravděpodobnosti výhry.
• AI generování sportovního obsahu
  Integrujte server do AI nástrojů pro psaní a automaticky generujte souhrny, preview nebo reportáže z živých i historických dat.
• Porovnání týmů a hráčů
  Umožněte AI modelům porovnávat týmy nebo hráče napříč sezónami pomocí pokročilých metrik a statistik pro skauting nebo zapojení fanoušků.
• Integrace s AI asistenty
  Vylepšete konverzační AI (například Claude Desktop), aby uměla odpovídat na přirozené dotazy týkající se univerzitního fotbalu včetně rozpisů, statistik a pokročilých ukazatelů.

Jak to nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Python 3.11+ a správce balíčků UV.
2. Naklonujte repozitář:

   git clone https://github.com/lenwood/cfbd-mcp-server
   cd cfbd-mcp-server
   

3. Nastavte virtuální prostředí a nainstalujte závislosti:

   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

4. Vytvořte soubor .env s vaším API klíčem:

   CFB_API_KEY=your_api_key_here
   

5. Nakonfigurujte Windsurf tak, aby zahrnoval CFBD MCP Server:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

6. Uložte a restartujte Windsurf. Ověřte server spuštěním ukázkového dotazu.

Claude

1. Instalujte jako výše (Python 3.11+ a UV).
2. Přidejte server do konfigurace Claude Desktop (např. do claude_desktop_config.json):

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Restartujte Claude Desktop a ověřte připojení.

Cursor

1. Naklonujte repozitář a nastavte jej jako výše.
2. Do MCP konfigurace Cursoru přidejte:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Uložte a restartujte Cursor. Otestujte dotaz.

Cline

1. Postupujte podle instalačních kroků pro Python, UV a závislosti.
2. Do nastavení Cline přidejte CFBD MCP Server:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Restartujte Cline a ověřte spojení.

Poznámka k zabezpečení API klíče:
API klíč vždy ukládejte do proměnných prostředí, nikdy přímo do kódu ani do verzovaných souborů. V konfiguraci MCP serveru použijte pole env dle ukázky výše pro bezpečné předání klíče.

Jak tento MCP použít ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte přidáním MCP komponenty do vašeho flow a napojením na AI agenta:

Klikněte na MCP komponentu a otevřete panel konfigurace. V sekci systémové MCP konfigurace vložte údaje o vašem MCP serveru v tomto JSON formátu:

{
  "cfbd": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent používat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “cfbd” na skutečný název vašeho MCP serveru a nahradit URL adresou vašeho MCP serveru.

Přehled

Náš názor

Tento MCP server je jednoznačně užitečný pro automatizaci a analytiku dat univerzitního fotbalu a je dobře zdokumentován z hlediska nastavení i integrace. Chybí však dokumentace k znovupoužitelným šablonám promptů, explicitním MCP resource primitives a manifestu nástrojů, což je důležité pro plnou kompatibilitu v MCP ekosystému a pohodlí vývojářů. Pro zájemce o sportovní data jde o silné řešení, ale obecné MCP best practices by mohly být lépe pokryty.

MCP skóre

Celkově hodnotím tento MCP server 5/10: plní svůj účel a je open source, ale postrádá klíčovou MCP dokumentaci a funkce jako explicitní definice promptů, zdrojů a nástrojů. Pro sportovní analytiku je velmi dobrý, pro obecný MCP vývoj by však vyžadoval více podrobností.